基于人机交互环境的教学精确观测

教师开展工作时,更多依靠经验进行学生个性分析、教学过程诊断。构建精确教学环境,采集教学过程数据,实现实证教育是新一代教育技术的特点。像其它领域一样,引入计算机观测教学活动是重要趋势。基于人机交互环境设计面向教学、认知过程的新型教学在线观测系统,能采集到传统教育学、心理学范式难以获得的巨量、精确信息。在力学、动力学角度对教学数据进行分析,获得学习速度、加速度、平均速度、关键点、学习动能等认知动力学变量。这些认知动力学参数反映了学习者个性、群体信息,为教学训练、诊断提供支撑。随着1:1数字教学的发展,基于人机交互环境的教学精确观测将为实证教育提供重要支撑。     

基于认知的流形学习方法概要

流形学习是一种新出现的机器学习方法,近年来引起越来越多的计算机科学工作者和认知科学工作者的重视.为了加深对流形学习的认识和理解,从流形与流形学习的基本概念入手,追溯它的发展历程.针对目前的几种主要的流形算法,分析它们各自的优势和不足,然后引用LLE的应用示例.说明流形学习较之于传统的线性降维方法如PCA等,能够有效地发现非线性高维数据的本质维数,可以有效地进行维数约简和数据分析.最后对流形学习未来的研究方向做出展望,以期进一步拓展流形学习的应用领域.     

基于数字孪生的雕刻机人机交互系统设计

针对雕刻机应用过程中的实时监测困难,数据呈现单一,成本较高等问题,设计了一套基于数字孪生的雕刻机人机交互系统;首先使用SolidWorks软件设计与实际雕刻机高度匹配的三维孪生模型,随后根据实际系统的运动学模型建立Simulink仿真并编写控制算法控制三维孪生模型的运动,完成虚拟调试功能,最后将三维孪生模型与雕刻机结合,使模型根据实际雕刻机运行得到的实时数据完成设备状态监测功能;实验结果表明,文章所设计的雕刻机人机交互系统具有较高的实时性和精确度,能够保证良好的交互性与虚实结合性,有效提高监控效率,降低故障发生率,在工业现场具有广泛的应用价值.     

一种改进的非流形点转化算法

实际建模过程中,经常会遇到非流形的多边形表面,但很多现有的图形学算法都是基于流形结构的。因此,可以将非流形结构转化为几何外观上与之逼近的流形结构。对于这种转化,包括非流形边和非流形点的修改。由于非流形边的转化问题已被较好的解决,因此,对非流形点的转化进行了研究,并提出了一种新算法修改非流形点。与现有算法相比：该算法不但可以得到拓扑上分离的流形结构而且可以得到拓扑上连通的流形结构,更符合一般建模用户的需要。     

基于OpenGL的人机交互系统设计

人机(计算机)交互(Human-Computer Interaction)系统包括人、计算机输入、输出设备及其相应人机界面(Human-ComputerInterface).本文针对一种笔式三维人机交互系统进行了研究,用二自由度机械跟踪器、DSP数据采集器、蓝牙通信模块、PC机以及研制的界面软件,设计了一种三维人机交互设备,系统能够比较真实的模拟笔在纸面上的运动轨迹,在一定的硬件条件下,系统能够较好地完成实时交互,同时交互过程中能够保证良好的手感.     

基于流形的微粒群优化

起源于群体智能的微粒群优化技术已经得到广泛的应用.一般情况下,我们假定微粒处于均匀分布的线性空间内.流形是几何学中的概念,概括地说,它是一个非线性空间.提出了一种基于流形即非线性空间上的微粒群优化框架MPSO,它用于非线性、非均匀数据分布,并对其进行了收敛性分析和算法性能评估.     

基于嵌入式平台的人机交互系统设计

提出了一种基于嵌入式平台的工业化人机交互系统设计方法,并对人机交互系统和嵌入式操作系统的开发做了详细论述。     

一种基于开方检验的特征选择方法

开方检验是目前文本分类中一种常用的特征选择方法.该方法仅关注词语和类别间的关系,而没有考虑词与词之间的关联,因此选择出的特征集具有较大的冗余度.定义了词语的“剩余互信息”概念,提出了对开方检验的选择结果进行优化的方法.使用该方法可以得到既有很强表征性又有很高独立性的特征集.实验表明,该方法表现良好.     

基于改进CHI和TF-IDF的短文本分类的研究

为提高对数据量较少的短文本分类效果,有效降低特征空间的特征维度,本文针对传统CHI统计方法和TF-IDF权重计算方法的缺点,提出一种新的类词因子改进特征选择方法,用来提高分类准确性.对于传统CHI统计方法对低频词敏感、TF-IDF权重计算方法忽略特征项在类别间和类别内分布情况,通过引入类词因子来改进传统CHI统计方法和...     

基于流形排序的查询推荐方法

针对传统查询推荐方法中存在的相关性度量问题和冗余性问题,该文中提出了一种新的基于流形排序的查询推荐方法。该方法利用查询数据内在的全局流形结构来获得查询之间的相关性,可以有效避免传统方法中相关性度量对高维稀疏查询数据处理的不足;同时,该方法通过提升结构上具有代表性的查询来达到减小查询推荐的冗余性。在一个大规模商业搜索引擎查询日志上的实验结果表明:使用流形排序的查询推荐方法要优于传统查询推荐方法和现有的Hitting-time Ranking方法。     

基于对应流形的错误匹配剔除研究

可靠对应点的建立是计算机视觉中的一个基本问题, 它是许多已有算法的前题假设. 本文提出了对应流形的概念, 并给出了通过学习对应流形的视图剔除错误匹配点的学习方法. 该方法不依赖于被估计的参数模型, 克服了传统方法计算效率随着错误匹配比例的增大或被估参数个数的增长而急剧下降的缺点; 同时弥补了错误匹配的剔除与被估模型的选择及其参数估计相耦合的不足. 实验结果表明该方法能有效地剔除错误匹配点, 验证了所给模型的适用性与合理性. 为可靠对应关系的建立提供一种新的高效的方法．     

基于流形的光滑曲面构造

将传统参数曲面的规则定义域推广到一般的二维流形上,并基于定义域微分流形提出了一种新的光滑曲面构造方法.该方法运用最短距离构造基函数,从整体上直接构造出任意拓扑结构的光滑流形曲面,无须分片生成后再进行拼接.而且该算法所生成的流形曲面具有很好的局部性和可控性,NURBS曲面上的很多方法在此曲面上仍然适用.实验结果表明,该构造方法可以构造出非常复杂的曲面.     

基于微分流形的神经计算

神经计算是一门崭新的信息处理学科，研究非程序的，适应性的，大脑风格的信息处理的本质和能力。它的研究对象是人工神经网络，即由大量神经元组成的非线性动力系统。本文介绍用微分流形研究神经信息处理的重要概念，讨论研究机理和方法。     

基于流形学习的维数约简算法

介绍线性维数约简的主成分分析和多维尺度算法,描述几种经典的能发现嵌入在高维数据空间的低维光滑流形非线性维数约简算法,包括等距映射、局部线性嵌入、拉普拉斯特征映射、局部切空间排列、最大方差展开。与线性维数约简算法相比,非线性维数约简算法通过维数约简能够发现不同类型非线性高维数据的本质特征。     

基于紧集子覆盖的流形学习算法

年以后新兴了一系列非线性降维的方法,流形学习中的Isomap就是其中的代表。该算法能够反映数据集的全局结构且简单高效,但是存在低维流形等距的欧氏子集必须是凸集和计算复杂度高等缺点。L-Isomap成功降低了算法的计算复杂度,但是对于地标点(landmark points)的选取大多采用随机的方法,致使该算法不稳定。依据拓扑学和泛函分析中有限维空间有界闭集与紧集(compact set)等价、紧集的任一开覆盖存在有限子覆盖等经典定理,分析数据集所在区域的拓扑结构,确定了一系列能够反映数据结构的地标点。这样的方法计算复杂度低,比L-Isomap稳定,且将数据集是凸集的要求弱化到紧集(有界闭集),避免了传统Isomap算法放大不完整流形中的“空洞”误差等问题。     

基于黎曼流形的平面目标识别

平面目标识别中的几何形变可用射影变换群描述. 与紧致李群SO(n, R)不同, 正则化的射影变换群, 即非紧致李群SL(n, R)上由黎曼度量决定的黎曼指数映射不同于由单参数子群决定的李群指数映射. 基于黎曼流形优化算法得到取值于特殊线性群SL(3, R)的样本的内蕴均值和协方差矩阵, 并依此构建李群正态分布. 利用此先验知识, 根据贝叶斯定理进行简单背景下的平面目标的识别实验. 结果表明, 利用射影变换群的统计特性可有效提高平面目标识别的成功率.     

基于相对流形的局部线性嵌入

局部线性嵌入算法极大地依赖于邻域是否真实地反映了流形的内在结构,现有方法构造的邻域结构是拓扑不稳定的,对噪音和稀疏数据敏感.根据认知的相对性规律提出了相对变换,并用其构造了相对空间和相对流形.相对变换可以提高数据之间的可区分性,并能抑制噪音和数据稀疏的影响.在构造的相对空间和相对流形上确定数据点的邻域能够更真实地反映流形的内在结构,由此提出了增强的局部线性嵌入算法,明显地提高了性能,特别是基于流形的方法还同时提高了速度.标准数据集上的实验结果验证了该方法的有效性.